Clinical Reasoning in the AI era: A focused scoping review and narrative synthesis of conceptual, pedagogical, and assessment frameworks in health professions education

Het Grote Plaatje: Het "GPS"-probleem

Stel je voor dat je iemand leert autorijden. Jarenlang had je een duidelijke kaart van wat "goed rijden" inhoudt: de regels kennen, de weg lezen, omgaan met een plotselinge storm, en weten wanneer je op je gevoel moet vertrouwen versus de dashboardlampjes.

Stel je nu voor dat er in elke auto een nieuwe Super-GPS (Kunstmatige Intelligentie) is geïnstalleerd. Deze kan precies vertellen waar je moet afslaan, het verkeer voorspellen en zelfs je rittenverslag voor je schrijven.

Het probleem dat dit artikel identificeert is dit: We gebruiken de GPS om de bestuurder te beoordelen, maar we weten niet zeker of de GPS hen eigenlijk wel leert hoe ze moeten rijden.

De auteur, Naomi Campbell-Woods, heeft honderden studies onderzocht om te zien hoe medische opleidingen deze "Super-GPS" gebruiken om studenten te leren hoe ze als artsen moeten denken (een vaardigheid die Klinisch Redeneren wordt genoemd). Ze ontdekte dat hoewel de technologie indrukwekkend is, we vooral de onderdelen testen die makkelijk door de GPS te meten zijn, terwijl we de rommelige, menselijke aspecten die een arts echt veilig maken, negeren.

---

Deel 1: De Verwarrende Kaart (Het "Wat")

Nog voordat we het over AI hebben, wijst het artikel erop dat de medische opleiding al moeite heeft gehad met het eens worden over wat "Klinisch Redeneren" precies is. Het is alsof je probeert iemand te leren koken zonder het eens te zijn over wat een "goede maaltijd" is.

Het artikel stelt dat er drie belangrijke manieren zijn waarop experts momenteel "goed denken" beschrijven:

1. Het Bibliotheekkaart-systeem (Script Theory): Artsen organiseren hun kennis als een bibliotheek. Wanneer ze een patiënt zien, halen ze een "script" (een mentaal dossier) over die specifieke ziekte tevoorschijn.
2. Het Snelle versus Langzame Brein (Dual-Process): Goede artsen gebruiken twee modi: een snelle "onderbuikgevoel"-modus en een langzame, zorgvuldige "controleer de feiten"-modus.
3. De Teamsport (Situated Cognition): Denken gebeurt niet in een vacuüm. Het gebeurt in een rommelige ziekenhuiskamer met een angstige patiënt, een vermoeide verpleegkundige en tijdsdruk. Je kunt het denken niet loskoppelen van de omgeving.

Het Probleem: Lange tijd probeerden scholen dit denkvermogen te testen met één enkel eindexamen. Het artikel zegt dat dit vergelijkbaar is met het beoordelen van een heel sportseizoen van een team op basis van één enkele actie. Dat werkt niet.

---

Deel 2: De AI-Snelweg (Het "Hoe")

Nu komt de AI in beeld. Het artikel recenseerde 158 studies waarin AI werd gebruikt om medische studenten te onderwijzen of te testen.

Wat de AI goed doet:
De AI is erg goed in het beoordelen van zaken die netjes, opgeschreven en gestructureerd zijn.

• Analogie: Stel je voor dat de AI een zeer strenge bibliothecaris is. De AI kan direct controleren of je de juiste symptomen hebt opgeschreven, of je diagnose overeenkomt met het tekstboek en of je aantekeningen correct zijn geformatteerd.
• Het Resultaat: Studies tonen aan dat studenten beter worden in deze specifieke taken wanneer ze AI gebruiken. Ze verzamelen sneller gegevens en schrijven betere aantekeningen.

Wat de AI mist:
De AI is slecht in het meten van de rommelige, menselijke, "in het moment"-onderdelen van het denken.

• Analogie: De bibliothecaris kan je spelling controleren, maar kan niet zien of je dapper genoeg was om een moeilijke vraag aan een patiënt te stellen, of dat je wist wanneer je de GPS moest negeren omdat de weg overstroomd was.
• De Kloof: Het artikel vond dat AI-studies zelden meten:
  • Hoe een student omgaat met onzekerheid (wanneer het antwoord niet duidelijk is).
  • Hoe ze zich aanpassen wanneer de situatie verandert.
  • Of ze simpelweg blind vertrouwen op de AI of dat ze daadwerkelijk zelf nadenken.

---

Deel 3: Het Gevaar van "De-skilling"

Het artikel waarschuwt voor een specifiek risico dat "De-skilling" (vaardigheidsverlies) wordt genoemd.

• Analogie: Als je de GPS elke dag voor je laat rijden, vergeet je misschien hoe je een kaart moet lezen of hoe je stuurt in een sneeuwstorm.
• Het Risico: Als studenten te vroeg vertrouwen op AI om het zware denkwerk te doen (zoals het vaststellen van een diagnose), leren ze dit misschien nooit zelf doen. Ze kunnen "never-skilled" worden (nooit de vaardigheid leren) of "mis-skilled" (het op de verkeerde manier leren omdat ze de AI hebben gekopieerd).

Het artikel merkt op dat wanneer studenten overstapten van een computersimulatie (waar AI hen hielp) naar echte patiënten, de hulp van de AI vaak verdween. De studenten presteerden niet beter in de echte wereld, wat suggereert dat de AI slechts een kruk was, en geen leraar.

---

Deel 4: De Voorgestelde Oplossing (Het Nieuwe Kader)

De auteur betoogt dat we een nieuw "Regelboek" nodig hebben voor het AI-tijdperk. We kunnen niet simpelweg oude tests blijven gebruiken met nieuwe hulpmiddelen.

Ze stelt een Zeslagen Taart voor voor het onderwijzen en testen van redeneren in het tijdperk van AI:

1. Kennisorganisatie: Hebben ze hun mentale bibliotheekbestanden op orde?
2. Procesuitvoering: Weten ze hoe ze van een aanwijzing naar een conclusie moeten gaan?
3. Omgaan met Onzekerheid: Kunnen ze kalm blijven wanneer het antwoord niet duidelijk is?
4. Contextuele Prestatie: Kunnen ze ook goed denken in een luidruchtig, druk ziekenhuis, en niet alleen in een stille testruimte?
5. Sociotechnisch Oordeel: Dit is de nieuwe factor. Kunnen ze de AI als een instrument gebruiken zonder dat het de controle overneemt? Kunnen ze zeggen: "De AI zegt X, maar ik denk Y omdat..."?
6. Programmatische Architectuur: In plaats van één grote test, hebben we een langdurig systeem nodig dat veel kleine stukjes bewijs verzamelt (zoals een portfolio) om een student eerlijk te beoordelen.

De Kernboodschap

Het artikel concludeert dat AI het medisch onderwijs niet heeft gebroken, maar wel een barst in het fundament heeft blootgelegd.

We hebben geweldige hulpmiddelen om de "makkelijke" delen van het denken te meten (zoals het schrijven van een aantekening of het kiezen van een diagnose), maar we falen in het meten van de "moeilijke" delen (zoals het omgaan met onzekerheid of weten wanneer je de computer moet negeren).

De les: We moeten niet alleen meer AI-trials bouwen. We moeten een nieuw kader bouwen dat studenten leert hoe ze de kapitein van het schip zijn, waarbij ze de AI gebruiken als een behulpzame navigator, in plaats van de AI het schip te laten besturen terwijl zij slapen. Als we dit niet oplossen, eindigen we misschien met artsen die geweldig zijn in het gebruiken van computers, maar slecht in het zelfstandig denken.